I.5Создание и редактирование текста

egoigo/kanana-1.5-8b-instruct-2505-Safe-DPO — дообученная разговорная языковая модель семейства Llama, опубликованная egoigo. Она предназначена для генерации текста в диалоге; метаданные также отмечают интерфейс для вызова инструментов. Модель содержит 7,5 млрд параметров и поддерживает контекст до 32 768 токенов. Модель дообучена с использованием Unsloth и библиотеки Hugging Face TRL. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Карточка не описывает конкретные сценарии, данные обучения или результаты оценки качества.

Модель Jhjhugv/kanana-1.5-8b-instruct-2505-Safe-DPO опубликована разработчиком Jhjhugv и представлена как дообученная разговорная языковая модель семейства Llama. Она предназначена для генерации текста в диалогах; метаданные также отмечают интерфейс вызова инструментов. Модель содержит 7,5 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. В карточке указано, что модель дообучена на Jhjhugv/kanana-1.5-8b-instruct-2505-Safe-DPO с использованием Unsloth и библиотеки TRL от Hugging Face. Доступны веса в формате safetensors. Лицензия — Apache-2.0. Карточка не описывает конкретные тесты качества или подробные ограничения; метаданные указывают английский язык.

Модель ljh728/kanana-1.5-8b-instruct-2505-Safe-DPO — дообученная авторегрессионная языковая модель семейства Llama, разработанная ljh728. Она предназначена для генерации текста и диалогового взаимодействия; метаданные также указывают интерфейс вызова инструментов. Модель содержит 7,5 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель дообучена с использованием Unsloth и библиотеки TRL от Hugging Face. В карточке указана лицензия Apache-2.0. Данных о конкретных целевых задачах дообучения и языках, кроме английского в метаданных, нет.

Модель yoon112/kanana-1.5-8b-instruct-2505-Safe-DPO разработана yoon112 и представляет собой дообученную плотную авторегрессионную языковую модель семейства Llama с 7,5 млрд параметров. Она предназначена для генерации текста и диалогового общения; в метаданных также отмечен интерфейс для вызова инструментов. Модель принимает текст и генерирует текст, поддерживает контекст длиной до 32 768 токенов. В карточке указаны английский язык, формат весов Safetensors и лицензия Apache 2.0. Для обучения использовались Unsloth и библиотека TRL; карточка не описывает отдельные специализированные области применения или результаты оценки качества.

Kanana-Nano-2.1B-Instruct — двуязычная языковая модель Kakao на 1,9 млрд параметров для генерации текста и диалогового взаимодействия по инструкциям. Она относится к плотной архитектуре Llama и предназначена для общения с пользователем, а также для текстовых задач на корейском и английском языках. Контекст модели составляет 8192 токена; веса опубликованы в формате safetensors и запускаются через Transformers. Серия Kanana создавалась с упором на вычислительную эффективность и конкурентные результаты на корейском и английском языках. Для серии описаны методы фильтрации данных, поэтапного предобучения, масштабирования глубины, прореживания и дистилляции, а также настройка инструкциями и оптимизация предпочтений. Карточка не приводит отдельные результаты именно этой версии; данные обучения, согласно README, не включали пользовательские данные Kakao. Модель выпущена Kakao и распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Kappa-3 — разговорная языковая модель на архитектуре Phi-3, опубликованная failspy. Это вариант Phi-3 4K Instruct со сниженной склонностью отказывать в ответах; в README преобразование описано как orthogonalization. Модель предназначена для генерации текста в диалоге и ответов на широкий круг запросов. Модель содержит 3,7 млрд параметров, использует архитектуру Phi3ForCausalLM и принимает текст, выдавая текст. Контекст — до 4096 токенов. Репозиторий содержит веса safetensors в fp32; автор отмечает, что для практического запуска их желательно как минимум квантовать или привести к fp16, и указывает на отдельную fp16 GGUF-версию. Лицензия — MIT.

trinhkhng/karcher_Merged_gpt2-large_0.0 — языковая модель, полученная автором репозитория слиянием двух предварительно обученных моделей GPT-2 Large: gpt2-large и debias_gpt2-large. Для объединения использован метод Karcher Mean с помощью mergekit; веса представлены в формате Safetensors и предназначены для запуска через Transformers. Модель выполняет генерацию текста по текстовому запросу. Контекст составляет 1024 токена. Карточка не описывает специальные сценарии использования, языковую специализацию или датасеты, поэтому модель можно характеризовать только как генеративную языковую модель общего назначения. Метод слияния не гарантирует сохранения всех свойств исходных моделей, включая снижение предвзятости. Репозиторий не сообщает лицензию, поэтому условия использования следует проверять у исходных моделей и в настройках репозитория.

trinhkhng/karcher_Merged_gpt2-large_0.1 — языковая модель авторегрессионной архитектуры GPT-2, созданная объединением предварительно обученных моделей с помощью метода среднего Кarcher в инструменте mergekit. В слиянии участвовали GPT-2 Large и debias_gpt2-large; токенизатор взят из GPT-2 Large. Репозиторий содержит веса в формате safetensors и предназначен для генерации текста через Transformers. Модель подходит для продолжения заданного текста и других сценариев генерации на основе текстового запроса. Указанное контекстное окно — 1024 токена. README не описывает отдельные языковые или прикладные специализации и не приводит результаты оценки качества. Лицензия в предоставленных данных не указана.

Карточка модели hamsterdlt/KDA_MT на Hugging Face совпадает с карточкой csebuetnlp/mT5_multilingual_XLSum, поэтому описание составлено по ней. mT5_multilingual_XLSum — модель семейства mT5, дообученная командой CSE BUET NLP на датасете XL-Sum для суммаризации текстов на 45 языках. Она принимает текст статьи или другого материала и генерирует краткое изложение; модель предназначена для многоязычной суммаризации, в том числе для языков с ограниченными ресурсами. Число параметров — 291,2 млн; архитектура — MT5ForConditionalGeneration, формат весов — PyTorch. Модель подходит для автоматического создания кратких пересказов и обработки многоязычных новостных материалов. В README приведены результаты ROUGE на тестовых наборах XL-Sum для разных языков. Карточка не сообщает об ограничениях на контекст или отдельном основном языке. Лицензия в предоставленных данных не указана.

Kepler-8B-Instruct-v2 — разговорная языковая модель intellectlabs, представленная в репозитории в формате GGUF для запуска через llama.cpp и совместимые приложения. Согласно карточке, исходная модель получена слиянием Qwen/Qwen2.5-7B-Instruct (85%) и DeepSeek-R1-Distill-Qwen-7B (15%); доступны варианты квантования от Q2_K до F16. Модель содержит около 7,1 млрд параметров, использует плотную архитектуру Qwen2 и поддерживает контекст до 32 768 токенов. Модель предназначена для диалога и следования инструкциям: её можно применять для ответов на вопросы, объяснений и других текстовых задач в чат-интерфейсах, включая LM Studio, Ollama и llama.cpp. Карточка заявляет поддержку ChatML и ответы на разных языках, а метаданные указывают английский. Лицензия — Apache 2.0. Это слияние моделей, а опубликованные GGUF-файлы включают квантованные варианты. README сообщает, что модель не оценивалась на стандартных бенчмарках; сжатие до низкой разрядности снижает качество и повышает нестабильность ответов. Как и другие языковые модели, она может выдавать неточные сведения и унаследовать особенности или смещения исходных моделей.

KE-T5-Base — текстовая модель семейства T5, опубликованная Корейским институтом электроники и технологий (Korea Electronics Technology Institute, KETI), Центром исследований искусственного интеллекта. Она использует архитектуру T5 для преобразования текста в текст: один и тот же формат подходит для генерации ответа или преобразованного текста в широком наборе задач NLP. В карточке указаны 148,3 млн параметров, контекст 512 токенов и поддержка английского и корейского языков. Модель доступна в форматах PyTorch, TensorFlow и Flax; лицензия Apache 2.0. Модель предназначена для дообучения и применения в задачах перевода, суммаризации документов, ответов на вопросы, классификации, анализа тональности и регрессии с текстовым представлением результата. Она предварительно обучена на корпусе C4 и смеси несупервизируемых и супервизируемых задач. Карточка описывает базовую модель T5 и не приводит отдельной оценки результатов именно для KE-T5-Base. Генерации могут содержать вредные стереотипы и предвзятость; следует учитывать это при оценке и использовании модели.

MLX-квантизированная версия языковой модели Kimi-K2.6, разработанной Moonshot AI (исходная модель — moonshotai/Kimi-K2.6) и преобразованной сообществом mlx-community с помощью mlx-lm 0.31.2. Модель предназначена для генерации текста и локального запуска на компьютерах Apple, прежде всего на Mac Studio с чипом M3 Ultra и 512 ГБ памяти, через библиотеку MLX и инструмент mlx-lm. Ключевая особенность — схема динамической смешанной квантизации DQ3_K_M. Большинство тензоров сохраняется в 8-битном представлении, а экспертные тензоры — в смешанном 3- и 4-битном формате с отдельными участками повышенного качества. Такой подход рассчитан на качество, близкое к 4-битной квантизации, при меньшем размере, чем у стандартной 4-битной версии, чтобы сохранить память для контекстного окна. За это приходится платить небольшим снижением скорости генерации. README не сообщает точный размер модели, архитектуру, максимальную длину контекста, поддерживаемые языки и набор специализированных задач. Для использования требуется установить mlx-lm; запуск предусматривает параметр trust-remote-code. Модель распространяется по лицензии modified-MIT, обозначенной как other. Условия лицензии следует проверять по исходной карточке модели, поскольку README не приводит её полный текст.

Kimiko v2 13B — языковая модель для генерации текста и диалогового взаимодействия, созданная nRuaif. В данном репозитории TheBloke предоставляет её квантизированные версии в формате GGUF для запуска через llama.cpp и совместимые инструменты. Модель основана на архитектуре Llama и имеет около 13 миллиардов параметров; заявленный язык — английский. Модель предназначена для чат-сценариев, ответов на вопросы и других задач генерации текста. В README приведён шаблон запросов в стиле Vicuna, ориентированный на получение полезных, подробных и вежливых ответов. Формат GGUF поддерживает метаданные, специальные токены и различные уровни квантования, включая 2-, 3-, 4-, 5-, 6- и 8-битные варианты, что позволяет выбирать компромисс между качеством, размером файлов и требованиями к памяти. Поддерживаются CPU+GPU-сценарии и такие инструменты, как llama.cpp, text-generation-webui, KoboldCpp, LM Studio, llama-cpp-python и другие. К сильным сторонам относятся широкий выбор уровней квантования и совместимость с популярной экосистемой локального запуска моделей. Ограничения включают отсутствие заявленной поддержки дополнительных модальностей и других языков, а также возможное снижение качества у более агрессивно квантизированных вариантов. Условия лицензирования неоднозначны: указана лицензия creativeml-openrail-m, при этом модель также основана на Llama 2 и подпадает под условия лицензии Meta Llama 2; разработчик рекомендует уточнять взаимодействие этих лицензий в исходном репозитории.

GAI-LLM/ko-en-llama2-13b-mixed-v2 — авторегрессионная языковая модель на архитектуре LLaMA 2, разработанная Донхуном О, Ханмином Мён и Ынён Ким из SK C&C G.AI Eng. Модель содержит 12,9 млрд параметров, принимает текст и генерирует текст; максимальный контекст — 2048 токенов. Модель дообучена на базе hyunseoki/ko-en-llama2-13b с использованием смешанной стратегии на наборах Kopen-platypus, Everythinglm v2, koalpaca_v1.1 и koCoT2000. Она предназначена для генерации текста на корейском и английском языках, включая ответы на запросы и следование инструкциям. Использование регулируется лицензией CC BY-NC 2.0, которая ограничивает коммерческое применение.

koOpenChat-sft-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, полученная объединением mistralai/Mistral-7B-Instruct-v0.2 и maywell/koOpenChat-sft методом SLERP. Она основана на плотной архитектуре Mistral и содержит 7,1 млрд параметров; репозиторий предоставляет веса в формате Safetensors. Модель предназначена для генерации текста и диалоговых ответов на инструкции, с контекстом до 32 768 токенов. Модель подходит для чат-ботов, ответов на вопросы и других сценариев общения на естественном языке. Метаданные не подтверждают специализированные предметные области или перечень поддерживаемых языков. Лицензия — Apache-2.0.

Kosmos-EVAA-Franken-Immersive-v40-8B — языковая модель на архитектуре Llama, созданная jaspionjader с помощью слияния предобученных моделей jaspionjader/Kosmos-EVAA-Franken-Immersive-v39-8B и jaspionjader/knf-1-8b. Для слияния использован метод SLERP и инструмент mergekit; модель предназначена для генерации текста и диалогового взаимодействия. Модель содержит 7,5 млрд параметров, принимает текст и формирует текстовые ответы. Заявленная длина контекста — 131 072 токена. Репозиторий содержит веса в формате safetensors. Языки модели в предоставленных данных не перечислены. Карточка не описывает отдельные специализированные сценарии или подтверждённые показатели качества. Лицензия в предоставленных данных не указана.

Kosmos-EVAA-PRP-v34-8B — слитая методом SLERP языковая модель семейства Llama, созданная jaspionjader с помощью mergekit из jaspionjader/Kosmos-EVAA-PRP-v33-8B и jaspionjader/Kosmos-EVAA-PRP-v31-8B. Это плотная авторегрессионная модель примерно на 7,5 млрд параметров для генерации текста; она принимает текст и поддерживает контекст до 8192 токенов. Репозиторий содержит веса в формате Safetensors и использует библиотеку Transformers. Карточка не уточняет целевые сценарии, языки и лицензию, поэтому качество и условия использования следует оценивать по карточкам исходных моделей и самого репозитория.

Kosmos-EVAA-v4-8B — объединённая модель генерации текста, созданная jaspionjader методом SLERP с помощью mergekit из jaspionjader/Auro-Kosmos-EVAA-v2.3-8B и jaspionjader/Kosmos-EVAA-v3-8B. Она предназначена для генерации текста и диалоговых сценариев. Модель построена на архитектуре Llama, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Веса опубликованы в формате safetensors для библиотеки Transformers. Карточка не приводит результатов оценки качества, конкретных языков или специальных областей применения. Лицензия в доступных данных не указана.

realPCH/ko_solra_merge — дообученная языковая модель, опубликованная пользователем realPCH. В README указано, что она создана на основе yanolja/KoSOLAR-10.7B-v0.1 с использованием различных наборов данных. По архитектуре это плотная Llama-модель для генерации текста, содержащая 10,7 млрд параметров и рассчитанная на контекст до 4096 токенов. Модель предназначена для генерации текста и может использоваться в сценариях, где требуется продолжать или создавать текстовый ответ. README показывает загрузку через Transformers. Модель распространяется в формате Safetensors по лицензии MIT; сведения о конкретных наборах данных и результатах оценки не приведены.

Krutrim-2-instruct-GGUF — это набор GGUF-квантизованных версий инструкционной языковой модели Krutrim-2-instruct, разработанной krutrim-ai-labs и подготовленной квантизатором bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и выполнения инструкций, а также для локального запуска через llama.cpp, LM Studio и другие совместимые проекты. В набор входят варианты от полноточных F32 и F16 до квантизаций Q8_0, Q6_K, Q5_K, Q4 и Q3, размером примерно от 5,7 до 49 ГБ. Доступны языки English, Hindi, Bengali, Marathi, Telugu, Tamil, Kannada, Malayalam, Gujarati, Assamese и Punjabi. Архитектура, число параметров, размер контекста, поддержка дополнительных модальностей и точные сценарии обучения в README не указаны; по представленным данным это текстовая, а не мультимодальная модель. Основное преимущество набора — широкий выбор уровней квантизации для подбора баланса между качеством, скоростью и требованиями к памяти. В README варианты Q6_K_L, Q6_K, Q5_K и Q4_K_M отмечены как рекомендуемые, однако низкоразрядные версии могут заметно уступать полноточным по качеству. Модель распространяется по Krutrim Community License Agreement версии 1.0; подробные условия следует уточнять в файле лицензии.

Карточка модели KR-X-AI/krx-qwen2-7b-instruct-v2 на Hugging Face совпадает с карточкой KR-X-AI/krx-qwen2-7b-instruct-v2-m, поэтому описание составлено по ней. KR-X-AI разработала эту разговорную языковую модель на базе Qwen2-7B-Instruct. Это плотная авторегрессионная модель с 7,1 млрд параметров для генерации текста и диалогов; заявленное окно контекста составляет 32 768 токенов. Модель дообучена от unsloth/qwen2-7b-instruct-bnb-4bit с использованием Unsloth и библиотеки TRL. Модель предназначена для чат-сценариев и генерации ответов на текстовые запросы. В метаданных указан английский язык. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0.

Карточка модели KR-X-AI/krx-qwen2-7b-instruct-v2.2 на Hugging Face совпадает с карточкой KR-X-AI/krx-qwen2-7b-instruct-v4_m, поэтому описание составлено по ней. KR-X-AI/krx-qwen2-7b-instruct-v4_m — диалоговая языковая модель KR-X-AI на архитектуре Qwen2. Это дообученная версия KR-X-AI/krx-qwen2-7b-instruct-v2; для обучения использовались Unsloth и библиотека TRL. Модель содержит 7,1 млрд параметров и принимает текстовые запросы, выдавая текстовые ответы. Модель предназначена для диалогов и генерации текста на английском языке. Она поддерживает контекст длиной до 32 768 токенов и распространяется в формате Safetensors по лицензии Apache-2.0.

jaspionjader/kstc-4-8b — слитая автором jaspionjader языковая модель на архитектуре Llama с 7,5 млрд параметров. Она создана методом Model Stock в mergekit на основе jaspionjader/Kosmos-EVAA-Franken-Immersive-v41-8B и объединяет её с моделями jaspionjader/kstc-1-8b, jaspionjader/kstc-2-8b и jaspionjader/kstc-3-8b. Модель предназначена для генерации текста и диалогового общения. Использует библиотеку Transformers, веса доступны в формате Safetensors, контекст — до 131 072 токенов. Данные не подтверждают отдельную специализацию по языкам или предметным областям, поэтому её можно рассматривать как модель общего назначения. В README не приведены оценки качества, инструкции по использованию или условия лицензии. Перед применением стоит проверить совместимость лицензий исходных моделей и оценить качество на характерных для вашей задачи запросах.

Kunocchini-7b — текстовая генеративная модель семейства Mistral с 7,1 млрд параметров, созданная Nitral-Archive слиянием SanjiWatsuki/Kunoichi-DPO-v2-7B и Epiculous/Fett-uccine-7B. Для слияния использован метод SLERP; модель работает с контекстом до 8192 токенов и доступна в формате safetensors для Transformers. Модель предназначена для генерации текста и может использоваться для диалогов, ответов на вопросы и других сценариев работы с текстом. В README приведены результаты оценки на задачах рассуждения и commonsense reasoning, но данных о языках обучения или поддерживаемых языках нет. В README указана лицензия «other» без дополнительных условий, поэтому перед использованием следует проверить лицензионные сведения репозитория и базовых моделей. Указанные оценки относятся к конкретным бенчмаркам и сами по себе не гарантируют качество в прикладных сценариях.

KunoichiVerse-7B — англоязычная чат-модель, созданная слиянием моделей Nitral-AI/Kunocchini-7b-128k-test и MTSAIR/multi_verse_model с помощью LazyMergekit и метода SLERP. Модель построена на плотной архитектуре Mistral с причинной языковой моделью MistralForCausalLM и содержит 7,1 млрд параметров. Модель предназначена для диалогов и генерации текста. В README заявлено контекстное окно 128 тыс. токенов, тогда как метаданные указывают native context в 32 768 токенов. Репозиторий содержит веса в формате safetensors; также упомянут отдельный репозиторий GGUF от MarsupialAI. Лицензия — Apache-2.0.

Kunokukulemonchini-7b — плотная языковая модель на архитектуре Mistral, созданная автором репозитория как слияние SLERP моделей grimjim/kukulemon-7B и Nitral-AI/Kunocchini-7b-128k-test с помощью mergekit. Она предназначена для генерации текста и диалогового общения. Модель содержит 7,1 млрд параметров, принимает текст и имеет заявленное контекстное окно 32 768 токенов. Автор также описывает варианты квантизации EXL2 с разной точностью, включая 4,1 bpw для систем с 6 ГБ видеопамяти; в метаданных этой карточки указаны веса safetensors. В README приведены результаты оценок на нескольких тестах, включая средний балл 69,61, однако подробности таблицы доступны не полностью. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

kuno-royale-7B — языковая модель семейства Mistral, созданная core-3 слиянием двух моделей: SanjiWatsuki/Kunoichi-DPO-v2-7B и eren23/ogno-monarch-jaskier-merge-7b. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста, диалогов и ответов на вопросы. В README приведены результаты на наборах ARC, HellaSwag, MMLU, TruthfulQA, Winogrande и GSM8K; эти оценки характеризуют указанные тесты, но сами по себе не гарантируют качество в конкретных приложениях. Весовые файлы доступны в формате safetensors. Лицензия CC BY-NC 2.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение. Карточка краткая и не сообщает целевые языки или подробные ограничения поведения модели.

Kunpeng-4x7B-mistral — разговорная языковая модель с архитектурой Mixture of Experts (MoE) семейства Mixtral, опубликованная пользователем mzbac. По карточке, она объединяет Mistral-7B-Instruct-v0.2, Mistral-7B-v0.1, Starling-LM-7B-alpha и Mistral-7B-Instruct-v0.1, а затем дообучена на WizardLM_evol_instruct_70k для слоёв q_proj, v_proj и gate. Модель предназначена для генерации ответов в диалоге и других задач генерации текста. Метаданные указывают 7,1 млрд параметров, контекст до 32 768 токенов и формат safetensors. Поддерживаемые языки карточкой не подтверждены. Модель распространяется по лицензии Apache-2.0. Карточка не приводит оценок качества или подробных ограничений; результат может зависеть от промпта и сценария применения.

KuTrix-7b — языковая модель на основе Mistral, созданная автором seyf1elislam методом слияния DARE TIES. В merge вошли SanjiWatsuki/Kunoichi-DPO-v2-7B и CultriX/NeuralTrix-7B-dpo; базовая архитектура — mistralai/Mistral-7B-v0.1. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев на основе текстового запроса. В README приведены результаты оценивания на отдельных бенчмарках рассуждений и здравого смысла. Репозиторий содержит веса Safetensors, а также упоминает квантованные версии GGUF. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое.

L3.1-70b-Ginny — языковая модель для диалогов и генерации текста, созданная KaraKaraWarehouse путём слияния четырёх моделей на базе Llama 3.1 70B с помощью LazyMergekit. В состав слияния вошли NousResearch/Hermes-3-Llama-3.1-70B, Fizzarolli/L3.1-70b-glitz-v0.2, cyberagent/Llama-3.1-70B-Japanese-Instruct-2407 и Sao10K/L3-70B-Euryale-v2.1. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 69,5 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена для диалогов и генерации текста; автор отмечает улучшение возможностей на японском языке и способность переводить при подходящей инструкции. Для общения рекомендуется формат L3 Instruct. По наблюдениям автора, ответы могут быть многословными, и снижение температуры помогает сделать их короче. Условия лицензии в предоставленных данных не указаны.